近年来全球经济飞速发展，管路系统从日常生活、工业设备、工程机械、交通运输到国防领域都有广泛的应用。管路系统是保证设备正常运作的必要组成部分，被称作工业设备的“血管”或“生命线”，是航天航空、交通运输、工程机械等的重要组成部分。由此可见，管路系统在各种领域都有重要的作用，鉴于此，管路系统的可靠性即健康与否，会直接影响各领域的生产生活，造成巨大的经济损失甚至重大事故。HHT是一种适合于非平稳信号的有效分析方法。把HHT变换引入管路系统的非平稳信号分析中，对发动机管路损伤信号进行特征提取，进而为航空发动机管路损伤识别技术提供技术支撑。本文主要完成了如下的研究工作：（1）首先研究了常用的信号分析法如短时傅里叶变换、小波变换等，指出这些方法分析非平稳信号的缺点。重点研究了希尔伯特黄变换的原理，研究了HHT的优越性。分析了HHT存在的问题，以及这些问题对数据分析产生的影响，包括端点效应、模态混叠、EMD的结束判据问题。重点研究了消除端点效应和模态混叠的方法，使用改进的EMD算法对信号时行分解，取得了较好的效果。（2）针对损伤特征提取，研究了EMD滤波特性，以及EMD算法在信号去噪中的应用，利用EMD算法对原始的信号进行去噪处理。研究了利用EMD对信号进行分解，得到本征模态函数(IMF)，通过HHT得到Hilbert谱，并对信号的Hilbert谱进行分析，对比正常状态和损伤状态下的不同，得到损伤特征向量。分析方法包括HHT时频谱、边际谱和时频熵的分析，从而提取出损伤特征。通过仿真以及实验数据，对比分析不同特征提取方法的效果。（3）分析航空发动管路损伤的种类以及引起管路损伤的可能原因。通过已搭建航空发动机管路实验平台，对航空发动机管路各项信号进行采集，其中主要分析管路在正常状态和损伤状态下，发动机不同转速时的振动相关信号。通过对采集到的航空发动机管路信号进行HHT分析，得到不同状态下管路的损伤特征。最后研究HHT提取出手损伤特征应用。结合神经网络对航空发动机管路进行损伤的识别，对不同的损伤特征通过人工神经网络进行训练，从而识别不同的损伤情况。